在青少年近视防控进入闭环管理深水区的当下，眼轴长度作为比屈光度更为客观的生物学参数，已成为评估近视发生与进展的“金标准”。然而，如何利用海量筛查数据实现个体化预警，仍是临床与公共卫生交叉领域的难题。近期，一项覆盖华东地区12万学龄儿童的多中心研究显示，基于深度学习的眼轴预测模型能提前18个月识别高风险个体，敏感性达91.7%，特异性为88.3%，显著优于传统回归模型。该模型融合了年龄、基线眼轴、角膜曲率、父母近视史及日均户外活动时间等变量，在校园筛查场景中可自动生成个体化风险评分与建议随访周期。
在临床转化层面，部分头部视光中心已将AI眼轴预测嵌入电子视力档案系统。例如，某直辖市儿童医院视光科通过API接口对接区级学生健康平台，筛查数据实时回传后，AI自动标红高风险学生并推送至视光师工作台，确保临床干预的及时性。这种“筛查—AI预警—临床干预”的闭环，不仅提升了视光师的工作效率，也使有限的专业资源向高危个体倾斜。
与此同时，眼轴AI预测的规范化与可解释性也引发学术讨论。中华医学会眼科学分会眼视光学组在2025年会上专门组织专题研讨，强调算法训练需基于多地域、多民族数据，避免偏倚；并建议在视光中心建立模型性能的本地化验证流程。此外，眼科期刊《中华眼视光学与视觉科学杂志》近两期连续刊发眼轴预测模型的外部验证研究，标志着该领域从“模型开发”向“真实世界落地”的范式转变。
未来，随着可穿戴设备与家庭眼轴监测技术的成熟，AI预测模型有望从静态预警走向动态追踪。但在技术热潮中，临床眼科医师仍需回归本质：模型是工具，而视光师结合家族史、用眼行为及眼部健康的综合判断，才是近视管理个体化决策的核心。